Manova adalah suatu teknik statistik yang digunakan untuk menghitung pengujian signifikansi, perbedaan rata-rata secara bersamaan antara kelompok untuk dua atau lebih variabel terikat. Manova adalah generalisasi dari Anova untuk situasi dimana terdapat beberapa variabel terikat (Tabachnick dan Fidell, 2007).

Manova dua arah yaitu yang melibatkan dua variabel independent. Konsekuensi menerapkan Manova dua arah adalah jumlah hipotesis jauh lebih banyak. Manova dua arah ini sering disebut dengan Manova multifactor.

Prasyarat Analisis Manova Dua Arah :

• Independensi antar perlakuan
• Uji homogenitas matriks varians kovarian
• Uji sebaran normalitas data
• Data Outlier

MANCOVA (Multiple analysis of covariance) merupakan gabungan antara MANOVA dan regresi multivariate. Analisis MANCOVA merupakan analisis dimana setidaknya ada dua variabel dependen yang dianggap simultan.

beberapa asumsi yang harus dipenuhi sebelum pengujian MANCOVA dilakukan yakni :

• Normalitas, Distribusi normal multivariate merupakan perluasan dari distribusi normal univariat. Dalam analisis multivariate asumsi multivariat normal perlu diperiksa untuk memastikan data pengamatannya mengikuti distribusi normal agar statistik inferensi dapat digunakan dalam menganalisis data tersebut.
• Homogenitas Matriks Varians Kovarian, Asumsi yang harus dipenuhi dalam MANCOVA adalah kesamaan matriks varians kovarians (Ʃ) antar grup pada variabel dependen.
• Terdapat Hubungan Linier Antara Variabel Dependen dengan Variabel Konkomitan
• Kesamaan Kemiringan antar perlakuan (Homogeneity of Regression Slope), Pada model MANCOVA, harus memenuhi asumsi bahwa terdapat hubungan variabel dependen dengan variabel konkomitan homogen antar perlakuan.

Manova adalah uji statistik yang digunakan untuk mengukur pengaruh variabel independen yang berskala kategorik terhadap beberapa variabel dependen sekaligus yang berskala data kuantitatif. Manova merupakan singkatan dari multivariate analysis of variance, artinya merupakan bentuk multivariate dari analysis of variance (ANOVA).

Asumsi yang berlaku pada MANOVA antara lain:

1. Variabel dependen terdistribusi normal.
2. Setiap pasang variabel dependen, kovariat, dan semua pasangan variabel dependenkovariat adalah linear.
3. Variabel dependen memiliki tingkat variansi yang sama sepanjang daerah variabel prediktor.
4. Variabel dependen maupun independen dapat dikorelasikan satu sama lain.

Keuntungan menggunakan desain MANOVA

1. Beberapa ukuran dependen memberikan desain dengan redundansi yang berguna dan kejelasan konseptual yang lebih besar.
2. MANOVA mengurangi tingkat kesalahan Tipe I (menolak hipotesis nol secara keliru) dengan menghindari uji F univariat terpisah yang dapat meningkatkan tingkat alfa operasional.
3. MANOVA mempertimbangkan interkorelasi ukuran dependen dengan pemeriksaan matriks varians-kovarians.
4. MANOVA dapat menunjukkan dengan tepat perbedaan kelompok yang terkadang menjadi tertutup pada tingkat analisis univariat.

Analysis of covarians yang disingkat ANCOVA merupakan teknik analisis yang berguna untuk meningkatkan presisi sebuah percobaan dengan cara menggabungkan analisis regresi linier dan analisis varian (ANOVA). Tujuan ANCOVA adalah untuk mengetahui atau melihat pengaruh perlakuan terhadap peubah respon dengan mengontrol peubah lain yang kuantitatif.

Keunggulan-keunggulan ANCOVA dalam analisis data penelitian antara lain : (1) Dapat meningkatkan presisi rancangan penelitian terutama apabila peneliti masih ragu pada pengelompokan-pengelompokan subyek perlakuan yang diterapkan dalam penelitian, (2) Dapat digunakan untuk mengendalikan kondisi-kondisi awal dari variabel terikat, (3) Dapat digunakan untuk mereduksi variabel-variabel luar yang tidak diinginkan dalam penelitian.

Asumsi yang harus dipenuhi dalam ANCOVA sebagai berikut : (1) Memastikan bahwa data berdistribusi normal (Uji Normalitas), (2) Varians data dari kedua kelompok adalah homogen (Uji Homogen), (3) Tidak ada hubungan antara kovariat dengan variabel independen (Uji Homogenitas Regresi), (4) Ada hubungan linier antara kovariat dengan variabel dependen (Uji Linieritas).

Anava dua-jalur adalah analisis varian yang digunakan untuk menguji hipotesis perbandingan lebih dari dua sampel dan setiap sampel terdiri atas dua jenis atau lebih secara bersama-sama. Analisis varian dua arah (jalur) disebut juga desain faktorial atau desain blok acak.

Anava Dua Jalur, menunjukkan adanya variabel bebas, banyaknya sel diperoleh dari
hasil kali banyaknya penggolongan setiap variabel. Uji anava dua arah memiliki tujuahn untuk melihat atau mengethaui apakah berbagai variabel yang diuji berdampak pada hasil yang diharapkan.

Syarat uji Anova dua arah :

• Populasi yang diuji berdistribusi normal
• Varians atau ragam dan populasi yang diuji sama
• Sampel tidak berhubungan satu dengan yang lain
• Uji ANOVA bisa digunakan apabila data pada variabel terikat memiliki skala numerik (rasio atau interval). Sedangkan untuk variabel bebas, data bersifat kategorik (nominal atau ordinal).

Uji anova merupakan metode analisis yang dikemabangkan oleh R. A. Fisher yang
digunakan untuk menguji hipotesis penelitian yang menilai apakah ada perbedaan rata-rata antar kelompok atau tidak.

Untuk melakukan uji anova, harus memenuhi beberapa asumsi, yaitu :

• Sampel berasal dari kelompok yang independent.
• Varian antar kelompok harus homogen.
• Data masing-masing kelompok berdistribusi normal.

Perbedaan antara uji t-test dengan Anava yaitu dalam hal banyaknya kelompok data yang digunakan. Uji t-test hanya terbatas pada dua kelompok data dengan menghitung nilai rata-rata kelompok, sedangkan Anava dapat digunakan untuk melakukan uji beda pada tiga kelompok data tau lebih.

Uji beda adalah uji statistik untuk mengetahui apakah terdapat perbedaan mean (rata-rata) dari sampel tunggal ataupun dua sampel terhadap mean acuan (μ0). Uji beda ataun uji komparatif berarti menguji parameter populasi berupa perbandingan atas ukuran sampel.

ciri-ciri hipotesis yang baik, antara lain:

• Mampu menunjukkan relasi
• Harus faktual
• Memiliki ketekaitan dengan ilmu pengetahuan, dan sesuai dengan perkembangan ilmu
• Dapat diverifikasi
• Harus sederhana
• serta, mampu menjelaskan fakta

Statistik deskriptif adalah statistik yang mempelajari mengenai pengumpulan, pengolahan, penyajian, serta penghitungan nilai-nilai dari suatu data atau diagram tetapi tidak sampai pada penarikan kesimpulan.

Statistik deskriptif mencakupi :

• Modus adalah data yang paling sering muncul/terjadi daripada data yang lain. Cara yang dapat dgunakan untuk menentukan modus yaitu, pertama dengan menyusun data dalam bentuk urutan meningkat atau sebaliknya, kemudian dialnjutkan dengan menghitung frekuensinya. Nilai yang frekuensinya paling besar atau banyak (sering muncul) disebut sebagai modus.
• Mean adalah nilai tengah pada suatu kelompok data yang diperoleh dari penjumlahan keseluruhan data pada suatu kelompok dibagi dengan banyaknya data.
• Median adalah suatu nilai yang terletak di tengah kelompok data yang telah diurutkan dari nilai terkecil sampai terbesar atau sebaliknya.
• Skor Minimum merupakan skor terkecil atau terendah dalam suatu gugus data. Skor Maksimum merupakan skor terbesar atau tertinggi dalam suatu gugus data.
• Varians dalam statistik merupakan pengukuran untuk sebaran antar angka dalam suatu kelompok data.
• Standart Deviasi adalah ukuran jumlah dari variasi atau dispersi dari data tersebut.
• Skewness adalah ukuran ketidaksimetrisna dari sebuah data (distribusi nilai).

Kegunaan Statistik Deskriptif

1. Membantu peneliti dalam menggunakan sampel sehingga dapat bekerja
   efisien dengan hasil yang sesuai dengan objek yang diteliti.
2. Membantu peneliti membaca data yang terkumpul
3. Membantu peneliti melihat ada tidaknya perbedaan antara kelompok
   lainnya atas objek yang diteliti.
4. Membantu peneliti melihat ada tidaknya hubungan antar variabel yang
   diteliti.
5. Membantu peneliti memprediksi waktu yang akan datang.
6. Membantu peneliti melakukan interpretasi data yang terkumpul.

Uji komparatif adalah uji hipotesis atau dugaan terhadap perbandingan nilai dua atau lebih sampel. Uji Komparatif digunakan dalam membandingkan pengaruh dari variable terhadap dua subjek yang berbeda.

Uji komparatif terdiri dari dua model komparasi yaitu komparatif antara dua sampel dan komparatif antara lebih dari dua sampel. Setiap model komparasi sampel dibagi lagi menjadi dua jenis, yaitu sampel berkolerasi, yaitu sampel yang berhubungan satu dengan yang lain dan sampel tidak berkolerasi (independent), yaitu sampel yang tidak berkaitan satu dengan yang lain.

Untuk melakukan pengujian pada hipotesis komparatif dua sampel atau lebih dapat
menggunakan berbagai teknik statistik. Teknik statistik yang akan digunakan bergantung pada bentuk komparasi dan jenis data. Untuk data interval dan rasio digunakan statistik parametrik dan untuk data nominal/diskrit digunakan statistik non parametrik.